Transfo

rmasi
Linear
Kelompok
Kelompok 44 ::
1. Brian Cahya Purnama
H1D022009
2. Zia Khusnul Fauzi Akhmad
H1D022023
3. Amar Ma’ruf
H1D022037
4. Nabilla Tsani Ayasi
H1D022058
5. Adila Zahira Hasyati
H1D022081
6. Khansa Khalda
H1D022086
7. Endini Nurlaily
H1D022089
8. Nicholas Hasian
H1D022053
 01
Transfor
masi
Linear
Umum
 Mengingat Kembali

Transformasi dari V ke W :

T : V -> W

Dapat juga ditulis sebagai fungsi :

T(v) = w
 Mengingat Kembali

Keterangan.
V : ruang vektor V
W : ruang vektor W
T : transformasi
𝑣 : variabel tak bebas
𝑤 : variabel bebas
Definisi
 Contoh Transformasi Linear :
1. Transformasi linear dari Rⁿ ke Rᵐ (Transformasi
Matriks) (teorema 4.3.2)

2. Transformasi Nol ( T : V -> 0 )

Bentuk : T(x) = 0 , Maka :
T(u + v) =0 ;
Jadi :
T(u) + (v) =0 ; T(u+v) =
T(u) + T(v) (terbukti)
 Contoh Transformasi Linear :
Lanjut
T(ku) = 0; Jadi,
T(u) = 0; T(ku) = kT(u) (terbukti)
kT(u) = 0;

3. Operasi Identitas ( I : V -> V )

Bentuk I(v) = v , maka :
I(v) = v; I(v+u)=v+
u;
I(u) = u; I(v+u)=I
(v) + I (u) (terbukti)
 Contoh Transformasi Linear :
Lanjut
I (u) = u; kI (u) = ku;
I (ku) = ku; kI (u) = I (ku);
(terbukti)

4. Operasi Dilasi dan Kontraksi ( T : V -> kV )

 Contoh Transformasi Linear :
Lanjut
Bentuk T(v) = kv, maka :
T(v) = kv; T(u+v) = k(u+v) => ku
+ kv;
T(u) = ku; T(u+v) = T(v) + T(u)
(terbukti)

T(v) = kv; Jadi,

T(nv) = n (kv); T(nv) = nT(v)
nT(v) = n (kv) T(kv) = kT(v)
(terbukti)
 Contoh Transformasi Linear :

5. Proyeksi Ortogonal
Bentuk = T(v) = projwv dimana :
Projwv = (v, w₁)W₁ + (v, w₂)w₂ + . . . + (v, wᵣ)wᵣ ,
maka :
T(u + v) = (u + v, w₁)W₁ + (u + v, w₂)W₂ + ... + (u + v,
wᵣ)Wᵣ = (u, w₁)w₁ + (u, W₂)W₂ +...+ (u, wᵣ)Wᵣ + (v,
w₁)W1 + (v, w₂)W₂ +...+ (v, wᵣ)Wᵣ
= T(u) + T(v) (terbukti)
 Contoh Transformasi Linear :

Lanjut
T(kv) = (kv, w₁)W₁ + (kv, w₂)w₂ + . . . + (kv, wᵣ)wᵣ
T(kv) = k ((v, w₁)W₁ + (v, w₂)w₂ + . . . + (v, wᵣ)wᵣ)
kT(v) = k ((v, w₁)W₁ + (v, w₂)w₂ + . . . + (v, wᵣ)wᵣ)
T(kv) = kT(v) (terbukti)
 Contoh Transformasi Linear :

6. Transformasi Linear dari Ruang V ke Rn

Misalkan S = {w1, w2, . . . ,wn} adalah sebuah basis untuk suatu
ruang vektor V berdimensi n, dan misalkan
(v)s = (k1, k2, . . ., kn)
Adalah vektor koordinat dari vektor v pada V relatif terhadap S;
maka
v = k1w1 + k2w2 + . . . + knwn
definisikan T: V →Rn sebagai fungsi yang memetakan v ke vektor
koordinatnya relatif terhadap S;
Fungsi T adalah sebuah transformasi linear. Untuk membuktikan
hal ini dapat dilakukan dengan menggunakan matriks koordinat
aupun vektor koordinat
 Contoh Transformasi Linear :

7. Transformasi Linear dari Pn ke Pn+1

Misalkan p = p(x) = c0 + c1x + . . . + cnx n adalah sebuah polinomial
pada Pn, dan definisikan fungsi T: Pn→Pn+1 sebagai
T(p) = T(p(x))= xp(x) = c0x +c1x 2+ . . . + cnx n+1
Fungsi T adalah sebuah transformasi linear, karena untuk skalar
sebarang k dan polinomial sebarang p1 dan p2 pada Pn diperoleh
T( p1 + p2 ) = T(p1(x) + p2(x)) = x(p1(x) + p2(x))
= xp1(x) +xp2(x) = T(p1) + T(p2)
dan
T(kp) = T(kp(x)) = x(kp(x)) = k(xp(x)) = kT(p)
 Contoh Transformasi Linear :

8. Operator Linear pada Pn

Misalkan p = p(x) = c0 + c1x + . . . + cnx n adalah
sebuah polinomial dalam Pn, dan misalkan a dan b
adalah skalar sebarang. Fungsi T yang didefinisikan
oleh T(p) = T(p(x)) = p(ax + b) = c0 + c1(ax + b) + . . . +
cn (ax+b)n Adalah sebuah operator linear. Sebagai
contoh, jika ax + b = 3x – 5, maka T: P2 → P2 akan
merupakansebuah operator linear yang dirumuskan
oleh T(c0 + c1x + c2x 2 ) = c0 + c1(3x – 5) + c2(3x – 5)2
 Contoh Transformasi Linear:

8. Operator Linear pada Pn

Misalkan p = p(x) = c0 + c1x + . . . + cnx n adalah
sebuah polinomial dalam Pn, dan misalkan a dan b
adalah skalar sebarang. Fungsi T yang didefinisikan
oleh T(p) = T(p(x)) = p(ax + b) = c0 + c1(ax + b) + . . . +
cn (ax+b)n Adalah sebuah operator linear. Sebagai
contoh, jika ax + b = 3x – 5, maka T: P2 → P2 akan
merupakansebuah operator linear yang dirumuskan
oleh T(c0 + c1x + c2x 2 ) = c0 + c1(3x – 5) + c2(3x – 5)2
 Contoh Transformasi Linear:

Lanjut
Dari sifat-sifat hasilkali dalam dapat diketahui bahwa

𝑇(𝑢 + 𝑣) = (𝑢 + 𝑣, 𝑣0⟩ = (𝑢, 𝑣0⟩ + (𝑣, 𝑣0⟩ = 𝑇(𝑢) + 𝑇(𝑣)

Dan

𝑇(𝑘𝑢) = (𝑘𝑢, 𝑣0⟩ = 𝑘(𝑢, 𝑣0⟩ = 𝑘𝑇(𝑢)

Sehingga T adalah sebuah transformasi linear

 Contoh Transformasi Linear :

10. Transformasi Linear dari C1 (-∞,∞) ke F (-∞,∞)

Misalkan V = C1(-∞,∞) adalah ruang vektor yang terdiri dari
fungsi-fungsi dengan turunan pertama kontinu pada (-∞,∞) dan
W = F(-∞,∞) adalah ruang vektor yang terdiri dari semua fungsi
bernilai real yang terdefinisi pada (-∞,∞). Misalkan D: V→W
adalah transformasi yang memetakan sebuah fungsi f = f(x) ke
fungsi turunannya; yaitu,
D(f) = f’(x)
 Contoh Transformasi Linear:

Lanjut
Dari sifat-sifat diferensial, diperoleh :

D(f+g) = D(f) + D(g) dan D(kf) =

kD(f) Sehingga, D adalah sebuah transformasi linear.

 Contoh Transformasi Linear :

11. Transformasi Linear dari C¹(-∞, ∞) ke F(-∞, ∞)

Misalkan V = C¹(-∞, ∞) dan W = F(-∞, ∞) .
Misalkan D : V->W adalah transformasi yang memetakan sebuah fungsi f =
f(x) ke fungsi turunannya; yaitu,

D(f) = f'(x)

Dari sifat-sifat diferensial, kita memperoleh

D(f + g) = D(f) + D(g) dan D(kf) = kD(f)

Sehingga, D adalah sebuah transformasi linear

 Contoh Transformasi Linear :

12. Transformasi Linear dari C(-∞, ∞) ke C¹(-∞, ∞)

Misalkan V = C(-∞, ∞) dan W = C¹(-∞, ∞) .
Misalkan J : V->W adalah transformasi yang memetakan f = f(x) ke integral
Contoh : jika f = x², maka

Dari sifat-sifat integral kita memperoleh

Sehingga J adalah sebuah transformasi linear

13. Transformasi yang Tidak Linear
Misalkan T : Mnn -> R adalah transformasi yang memetakan sebuah matriks
n x n ke determinannya; yaitu,

T(A) = det(A)

Jika n > 1, maka transformasi ini tidak memenuhi kedua sifat transformasi
linear
det(A1 + A2) =/= det(A1) + det(A2)
dan
det(cA) =/= c det(A)

Dengan demikian, T bukan sebuah transformasi linear

 Sifat-sifat Transformasi Linear :

Jika T : V -> W adalah sebuah transformasi linear, maka untuk

vektor v1 dan v2 sebarang pada V dan skalar c1 dan c2 sebarang,
diperoleh
T(c1v1 + c2v2) = T(c1v1) + T(c2v2) = c1T(v1) + c2T(v2)
Dan jika v1, v2, . . . . , vn adalah vektor-vektor pada V dan c1, c2, . . .
. ,cn adalah skalar. Maka
T(c1v1 + c2v2 + . . . . , cnvn) = c1T(v1) + c2T(v2) . . . . + cnT(vn)
Teorema 8.1.1
Jika T : V → W adalah sebuah transformasi linear, maka :
a) T(0) = 0
b) T(-v) = -T(v) untuk semua v pada V
c) T(v - w) = T(v) - T(w) untuk semua v dan w pada V
14. Menghitung dengan Menggunakan Bayangan Vektor
Basis
Perhatikan basis S = {v1 , v2, v3} untuk R3, di mana v1 = (1,1,1), v2 = (1,1,0), dan
v3 = (1,0,0). Misalkan T : R3 -> R2 adalah transformasi linear sedemikian rupa
sehingga
T(v1) = (1,0), T(v2) = (2,-1), T(v3) = (4,3)

Tentukan sebuah rumus untuk T(x 1, x2, x3); kemudian gunakan rumus
tersebut untuk menghitung T(2, -3, 5)

Penyelesaian
Pertama-tama kita menyatakan x = (x 1, x2, x3) sebagai sebuah kombinasi
linear dari v1 = (1,1,1), v2 = (1,1,0), dan v3 = (1,0,0). Jika kita menuliskan

(x1, x2, x3) = c1(1,1,1) + c2(1,1,0) + c3(1,0,0)

Lanjutan
Maka dengan menyusun persamaan dari komponen-komponen yang
bersesuaian, kita memperoleh
c1+ c2+c3 = x1

c1 + c2 = x2

c3 = x3

Yang menghasilkan c1 = x3, c2 = x2- x3, c3 = x1 - x2, sehingga

(x1, x2, x3) = x3(1,1,1) + (x2 - x1)(1,1,0) + (x1 - x2)(1,0,0)

=x3v1 (x2 - x3)v2 + (x1 - x2)v3

Lanjutan
Dengan demikian,
T(x1, x2, x3) = x3T(v1) + (x2 - x3)T(v2) + (x1 - x2)T(v3)

=x3(1,0) + (x2 - x3)(2,-1) + (x1 - x2)(4,3)

=(4x1 - 2x2 - x3, 3x1 - 4x2 + x3)

Dari rumus ini kita memperoleh

T(2, -3, 5) = (9, 23)

 Theorema 8.1.2
Jika T1 : U → V dan T2 : V→ W adalah transformasi linear,

maka (T2 o T1) : U → W juga merupakan tranformasi linear.

Bukti : Jika u dan v adalah vektor-vektor pada U dan c adalah sebuah

skalar, maka dari (2) dan sifat kelinearan T1 dan T2 kita memperoleh

(T2 o T1)(u + v) = T2(T1(u + v)) = T2(T1(u) +

T1(v))

= T2(T1(u)) + T2(T1(v))

= (T2 o T1)(u) + (T2 o T1)(v)

 Theorema 8.1.2
Lanjut
(T2 o T1)(cu) = T2(T1(cu)) = T2(c T1(u))

= c T2(T1(u)) = c(T2 o T1)(u)

Sehingga, T2 o T1 memenuhi kedua persyaratan dari sebuah

transformasi linear.
 Contoh Transformasi Linear :
15. Komposisi Transformasi Linear
Jika T1 : P1 → P2 dan T2 : P2 → P2 adalah transformasi linear yang
dirumuskan oleh

T1 (p(x)) = xp(x) dan T2(p(x)) = p(2x + 4)

Maka komposisi (T2 o T1) : P1 → P2 diberikan oleh rumus

(T2 o T1)(p(x)) = T2(T1(p(x))) = T2(xp(x)) = (2x + 4)p(2x + 4)

 Contoh Transformasi Linear :
Lanjut
Secara spesifik, jika p(x) = c0 + c1x, maka

(T2 o T1)(p(x)) = (T2 o T1)( c0 + c1x) = (2x + 4)( c0 + c1(2x + 4))

= c0(2x + 4) + c1(2x + 4)2

 Contoh Transformasi Linear :
16. Komposisi Transformasi Linear
Jika T : V → V adalah suatu operator lienar sebarang, dan jika I : V → V
adalah operator identas (contoh 3), maka untuk semua vektor v pada V
kita memperoleh

(T o I)(v) = T(I(v)) = T(v)

(I o T)(v) = I(T(v)) = T(v)

Dengan demikian T o I dan I o T keduanya sama dengan T; yaitu,

ToI=T dan IoT=T

 Contoh Transformasi Linear :
Lanjut
Komposisi dapat didefinisikan untuk lebih dari dua transformasi linear.
Sebagai contoh, jika

T1 : U → V, T2 : V → W, dan T3 : W → Y

Adalah transformasi-transformasi linear, maka komposisi T3 o T2 o T1

didefinisikan dengan

(T3 o T2 o T1)(u) = T3(T2(T1(u)))

Kernel
Dan 02
range
Here you can describe the
content of the section
KERNEL
KERNEL DAN
DAN RANGE
RANGE
Kilas balik
Jika A adalah sebuah matriks m x n, maka ruang nul matriks A terdiri dari semua
vektor x pada Rn sedemikian sehingga Ax = 0, dan berdasarkan teorema 5.5.1 ruang
kolom matriks A terdiri dari semua vektor b pada Rm di mana terdapat setidaknya
satu vektor x pada Rn sedemikian rupa sehingga Ax = b. Dari sudut pandang
transformasi matriks, ruang nul dari matriks A terdiri dari semua vektor pada Rn
yang mana perkaliannya dengan A memetakannya ke 0, dan ruang kolom dari A
terdiri dari semua vektor pada Rm yang merupakan bayangan dari setidaknya satu
vektor pada Rn apabila vektor ini dikalikan dengan A. Definisi berikut ini
memperluas ruang lingkup gagasan tersebut sehingga mencakup transformasi linear
umum.
KERNEL
KERNEL DAN
DAN RANGE
RANGE
Definisi
Jika T: V→W adalah sebuah transformasi linear, maka himpunan vektor-vektor pada
V yang dipetakan oleh T ke 0 disebut kernel dari T (kernel of T), dan dinotasikan
dengan ker(T). Himpunan semua vektor pada W yang merupakan bayangan karena
T dari setidaknya satu buah vektor pada V disebut range dari T (range of T), dan
dinotasikan dengan R(T).
KERNEL
KERNEL DAN
DAN RANGE
RANGE
Contoh 1 Kernel dan Range sebuah Transformasi
Matriks
Jika TA: Rn→Rm adalah perkalian dengan sebuah matriks A, m x n,
maka dari definisi di atas dapat diketahui bahwa kernel dari TA adalah
ruang nul dari matriks A, dan range dari TA adalah ruang kolom dari
matriks A
KERNEL
KERNEL DAN
DAN RANGE
RANGE
Contoh 2 Kernel dan Range Transformasi Nol

Misalkan T: V→W adalah transformasi nol (Contoh 2 subbab 8.1).

Karena T memetakan setiap vektor pada V ke 0, maka ker(T) = V.
Selanjutnya, karena 0 adalah satu-satunya bayangan dari vektor-vektor
pada V karena T, maka R(T) = {0}.
KERNEL
KERNEL DAN
DAN RANGE
RANGE
Contoh 3 Kernel dan Range Operator Identitas

Misalkan I: V→V adalah operator identitas (contoh 3 subbab 8.1).

Karena I(v) = v untuk semua vektor pada V , setiap vektor pada V
adalah bayangan dari suatu vektor (yaitu, bayangan dirinya sendiri);
sehingga, R(I) = V. Karena satu-satunya vektor yang dipetakan I ke 0
adalah 0, maka ker(I) = {0}.
KERNEL
KERNEL DAN
DAN RANGE
RANGE
Contoh 4 Kernel dan Range Proyeksi Ortogonal
Misalkan T: R3→R3 adalah proyeksi ortogonal pada bidang xy. Kernel dari T
adalah himpunan titik-titik yang dipetakan T ke 0 = (0, 0, 0); titik-titik ini adalah
titik-titik yang terletak pada sumbu z. Karena T memetakan setiap titik pada R3 ke
bidang xy, range dari T haruslah merupakan suatu subhimpunan dari bidang ini.
Akan tetapi setiap titik (xo, yo, 0) pada bidang xy adalah bayangan dari suatu titik
karena T; pada kenyataannya, titik itu adalah bayangan dari semua titik yang
terletak pada garis vertikal yang melewati (xo, yo, 0). Sehingga, R(T) adalah
seluruh bidang xy itu sendiri
KERNEL
KERNEL DAN
DAN RANGE
RANGE
Contoh 5 Kernel dan Range Rotasi
Misalkan T: R2→R2 adalah operator linear yang merotasikan setiap
vektor pada bidang xy sebesar sudut θ. Karena setiap vektor pada
bidang xy dapat diperoleh dengan cara merotasikan suatu vektor
sebesar sudut θ. Maka diperoleh R(T) = R2. Selanjutnya, satu-satunya
vektor yang dirotasikan ke 0 adalah 0, sehingga ker(T) = {0}.
KERNEL
KERNEL DAN
DAN RANGE
RANGE
Contoh 6 Kernel sebuah Transformasi Diferensiasi
Misalkan V = C1(-∞, ∞) adalah ruang vektor yang terdiri dari fungsi-
fungsi dengan turunan pertama kontinu pada (-∞, ∞), misalkan W = F(-
∞, ∞) adalah ruang vektor yang terdiri dari semua fungsi bernilai real
yang terdefinisi pada (-∞, ∞), dan misalkan D: V→W adalah
transformasi diferensiasi D(f) = f’(x). Kernel dari D adalah himpunan
fungsi-fungsi pada V yang turunannya adalah nol. Dari kalkulus
diketahui bahwa himpunan ini adalah himpunan fungsi-fungsi konstan
pada (-∞, ∞).
KERNEL
KERNEL DAN
DAN RANGE
RANGE
Sifat-sifat Kernel dan Range
Dari semua contoh di atas, ker(T) dan R(T) ternyata diketahui sebagai subruang.
Dalam contoh 2, 3, dan 5 subruang-subruang itu adalah subruang nol atau seluruh
ruang vektor itu sendiri. Dalam contoh 4 kernelnya adalah sebuah garis yang
melewati titik asal dan rangenya adalah sebuah bidang yang juga melewati titik asal,
di mana keduanya adakah subruang dari R3. Semua hal ini bukan merupakan suatu
kebetulan, melainkan sebuah konsekuensi dari hasil umum berikut ini.
KERNEL
KERNEL DAN
DAN RANGE
RANGE
Teorema
8.2.1

Misalkan T: V -> W adalah transformasi linear, maka:

a) Kernel dari T adalah sebuah subruang dari V.
b) Range dari T adalah sebuah subruang dari W.
KERNEL
KERNEL DAN
DAN RANGE
RANGE
Bukti a)
Untuk membuktikan bahwa ker(T) adalah sebuah subruang, kita harus menunjukkan bahwa ker(T)
mengandung setidaknya satu vektor dan bersifat tertutup terhadap penjumlahan dan perkalian skalar.
Misalkan v1 dan v2 adalah vektor-vektor di dalam ker(T), dan misalkan k adalah skalar sebarang, maka

T(v1 + v2) = T(v1)+T(v2)= 0 + 0

Sehingga v1 + v2 terletak pada ker (T). Dan juga,

T(kv1) = kT(v1) = k0 = 0

Sehingga kv1 terletak pada ker(T).

KERNEL
KERNEL DAN
DAN RANGE
RANGE
Bukti b)
Karena T(0) = 0, terdapat setidaknya satu vektor pada R(T). Misalkan w1 dan w2 adalah vektor-vektor di
dalam range dari T, dan k adalah skalar sebarang. Untuk membuktikan bagian ini , kita harus menunjukkan
bahwa w1 + w2 dan kw1 terletak di dalam range dari T; jelasnya, kita harus menemukan vektor a dan
vektor b pada V sedemikian rupa sehingga T(a1) = w1 + w2 dan T(b) = kw1

Karena w1 dan w2 berada di dalam range dari T, terdapat vektor-vektor a1 dan a2 pada V sedemikian rupa
sehingga
T(a1) = w1 dan T(a2) = w2. Jika a = a1 + a2 dan b = ka1, maka
T(a) = T(a1 + a2) = T(a1) + T(a2) = w1 + w2
Dan
T(b) = T(ka1) = kT(a1) = kw1
Yang melengkapi pembuktian ini.
KERNEL
KERNEL DAN
DAN RANGE
RANGE
Definisi
Jika T: V→W adalah transformasi linear, maka dimensi range dari T disebut sebagai rank dari T (rank of T) dan
dinotasikan dengan rank(T); dimensi kernelnya disebut nulitas dari T (nullity of T) dan dinotasikan dengan
nulitas(T).
KERNEL
KERNEL DAN
DAN RANGE
RANGE
Teorema
8.2.2

Jika A adalah sebuah matriks m x n dan T A: R n →Rm adalah perkalian

dengan A, maka :
a) Nulitas(TA) = nulitas (A)
b) Rank (TA) = rank (A)

Contoh :
Misalkan T: R3 → R3 adalah proyeksi ortogonal pada bidang xy. Kernel T
adalah sumbu z yang berdimensi satu; dan range T adalah bidang xy, yang
berdimensi dua. Sehingga Nulitas(T) = 1 dan rank(T) = 2
KERNEL
KERNEL DAN
DAN RANGE
RANGE
Teorema Dimensi untuk Transformasi Linear
Ingat kembali Teorema Dimensi untuk Matriks (Teorema 5.6.3) bahwa jika A adalah sebuah
matriks yang memiliki n kolom , maka rank(A) + nulitas(A) = n teorema berikut memperluas
hasil di atas hingga mencakup transformasi linear umum.
KERNEL
KERNEL DAN
DAN RANGE
RANGE
Teorema
8.2.3

Jika T: V → W adalah sebuah transformasi linear dari suatu

ruang vektor V berdimensi n ke susatu ruang vektor W, maka

rank(T) + nulitas(T) = n

Rank ditambah nulitas sama dengan dimensi dari domain yang

bersangkutan
KERNEL
KERNEL DAN
DAN RANGE
RANGE
Contoh 9

Misalkan T: R → R adalah operator linear yang merotasikan setiap

vektor pada bidang xy sebesar sudut θ. Kita telah menunjukkan di
dalam Contoh 5 bahwa ker(T) = {0} dan R(T) = R². Sehingga,

rank(T) + nulitas(T) = 2 + 0 = 2

Konsisten dengan fakta bahwa domain T berdimensi 2

 Transfor
03
masi
linear
invers
Transformasi
Transformasi Linear
Linear invers
invers
TRANSFORMASI LINEAR SATU-KE-
SATU

CONTOH
1:
Transformasi
Transformasi Linear
Linear invers
invers
CONTOH
1:
Transformasi
Transformasi Linear
Linear invers
invers
CONTOH
2:● Misalkan T : Pₙ → Pₙ₊₁ adalah transformasi linear
● T(p) = T(p(x)) = xp(x)
● Jika
Transformasi
Transformasi Linear
Linear invers
invers
CONTOH
2:
Transformasi
Transformasi Linear
Linear invers
invers
TRANSFORMASI LINEAR YANG BUKAN SATU-
CONTOH
KE-SATU
3:
● Misalkan D : C¹(−∞,∞) → F(−∞,∞) adalah transformasi
diferensiasi.
● Sebagai contoh, kita lihat bahwa D(x²) = D(x²+1) = 2x. Meskipun
x² dan x²+1 adalah fungsi yang berbeda, turunan keduanya adalah
sama, sehingga transformasi D tidak bersifat satu ke satu.
Transformasi
Transformasi Linear
Linear invers
invers
Teorema
PERNYATAAN
EKUIVALEN
Jika T : V → W adalah transformasi linear, maka
pernyataan-pernyataan berikut ini adalah ekuivalen:
● T adalah satu ke satu
● Kernel T hanya mengandung vektor 0; maka
ker(T) = {0} = 0
● nullitas(T) = 0
Transformasi
Transformasi Linear
Linear invers
invers CONTOH
4:
Tentukan apakah transformasi linear yg diberikan adalah satu ke satu dgn cara
menentukan kernelnya atau nulitasnya dan menetapkan Teorema 8.3.1.

Penyelesaian (a). ker(T) = (0), maka T adalah satu ke satu.

Penyelesaian (b). ker(T) mengandung vektor-vektor taknol, maka T bukan satu ke satu.
Penyelesaian (c). nulitas(T)=4, maka T bukan satu ke satu.

Dalam kasus yg spesifik di mana T adalah sebuah operator linear pada suatu ruang vektor
berdimensi terhingga, pernyataan ekuivalen yg keempat dapat ditambahkan ke dalam
Teorema 8.3.1
Transformasi
Transformasi Linear
Linear invers
invers
Teorema
8.3.2

Jika T : V → V adalah operator linear, maka

pernyataan-pernyataan berikut ini adalah ekuivalen:
● T adalah satu ke satu
● ker(T) = {0} = 0
● nullitas(T) = 0
● Range dari T adalah V; yaitu, R(T) = V.
Transformasi
Transformasi Linear
Linear invers
invers
BUKTI.
Kita telah mengetahui bahwa (a), (b), dan (c) adalah ekuivalen,
sehingga kita dapat melengkapi pembuktian ini dengan menunjukkan
ekuivalensi (c) dan (d).

(c) -> (d). Misalkan dim(V) = n dan nulitas(T) = 0. Berdasarkan

teorema dimensi (Teorema 8.2.3) kita memperoleh

rank(T) = n - nulitas(T) = n
Transformasi
Transformasi Linear
Linear invers
invers BUKT
I.
Berdasarkan definisi, rank(T) adalah dimensi range dari T, sehingga
range dari T memiliki dimensi n. Berdasarkan Teorema 5.4.7, range dari
T adalah V, karena kedua ruang tersebut memiliki dimensi yang sama.

(d) -> (c). Misalkan dim(V) = n dan R(T) = V. Berdasarkan kedua

hubungan ini, dim(R(T)) = n, atau secara ekuivalen, rank(T) = n.
Dengan demikian, dari teorema dimensi (Teorema 8.3.2) kita
mengetahui bahwa

nulitas(T) = n - rank(T) = n - n = 0
Te0rema
Te0rema 8.3.3
8.3.3

Jika T1: U -> V dan T2: V -> W adalah transformasi linier sat uke satu, maka:

(a) T2 o T1 adalah sat uke satu.

(b) (T2 o T1) ^1 = T1^1 o T2^-1

Bukti
Bukti (a)
(a)
Kita akan menunjukan bahwa T2 o T1 memetakan vector-vektor yang berbeda pada U ke vektor-vektor
yang berbeda pada W. Namun apabila u dan v adlah vector-vektor yang berbeda pada U, maka T1(u)
dan T1(v) adlah vector-vektor yang berbeda pada V karena T1 adalah satu ke satu. Hal ini ada fakta
bahwa T2 adalah sat uke satu mengimplikasikan bahwa

Juga merupakan vector-vektor yang berbeda. Akan tetapi kedua pernyataan diatas dapat ditulis sebagai
berikut

Sehingga T2 o T1 memetakan u dan v ke vector-vektor yang berbeda pada W.

BUKTI
BUKTI (B)
(B)
Kita akan menunjukan bahwa

Untuk setiap vector w yang berada di dalam range dari T2 o T1. Untuk maksud ini, jika

(3)

Maka tujuan kita adalah untuk menunjukan bahwa

Akan tetapi dari (3) kita mengetahui bahwa

Atau secara ekuivalen,

Dengan kata lain, Teorema 8.3.3 bagian (b) menyatakan bahwa invers sebuah komposisi adalah komposisi
dari invers-invers dengan urutan yang berlawanan. Hasil ini dapat diperluas agar mencakup komposisi dari
tiga atau lebih transformasi linear, sebagai contoh

(4)

Dalam kasus yang spesifik di mana TA, TB, dan TC adalah operator-operator matriks pada Rn, Rumus (4)
dapat dituliskan sebagai
Atau secara ekuivalen,

(5)

Dengan kata lain, rumus ini menyatakan bahwa matriks standar invers sebuah komposisi adalah hasilkali
invers matriks-matriks standar dari operator-operator yang membentuk komposisi tersebut, dalam urutan
yang berlawanan.
 KS a
lot!
Do you have any questions?

CREDITS: This presentation template was created by

Slidesgo, including icons by Flaticon, and infographics
& images by Freepik